UNIVERSIDAD TECNICA FEDERICO SANTA MARIA
Peumo Repositorio Digital USM https://repositorio.usm.cl
Tesis USM TESIS de Pregrado de acceso ABIERTO
2017
USO DE SEÑALES DE
MECANOMIOGRAFÍA Y
ELECTROMIOGRAFÍA PARA EL
CONTROL DE UN MODELO
MECÁNICO DE MANO
PINO TORO, FRANCISCO JAVIER
http://hdl.handle.net/11673/40939
UNIVERSIDAD T ´
ECNICA FEDERICO SANTA MAR´IA
DEPARTAMENTO DE INGENIER´IA MEC ´
ANICA
SANTIAGO-CHILE
USO DE SE ˜
NALES DE
MECANOMIOGRAF´IA Y
ELECTROMIOGRAF´IA PARA EL CONTROL
DE UN MODELO MEC ´
ANICO DE MANO
FRANCISCO JAVIER PINO TORO
MEMORIA DE TITULACI ´ON PARA OPTAR AL T´ITULO DE INGENIERO CIVIL MEC ´ANICO
PROFESOR GU´IA : DR. ING. DANILO ESTAY
PROFESOR CORREFERENTE : DR. ING. SHEILA LASCANO
Agradecimientos
Quiero agradecer a todos los profesores de la Universidad T´ecnica Federico Santa
Mar´ıa en especial a los del Departamento de Mec´anica por entregarme todos los
conocimientos ocupados en este trabajo y por todos los que usar´e en mi vida
profesional como ingeniero. Tambi´en deseo agradecer a mi profesor gu´ıa Danilo Estay
por ayudarme a realizar el presente trabajo y darme orientaci´on para llevarlo a cabo.
A mi Padres, Juan y Nancy, por el apoyo para poder estudiar una carrera
universitaria y a mis hermanas Johanna y Lizeth por darme ´animo en todo momento.
Y a Jocelyn quien me ayud´o en todo mi periodo universitario d´andome ´animo para
seguir adelante y que me apoy´o a terminar este trabajo d´andome energ´ıa cuando m´as la
Resumen
El presente trabajo se bas´o en el desarrollo de un algoritmo para interpretar las
se˜nales obtenidas de los m´usculos del antebrazo para el control de un modelo mec´anico de mano utilizando dos m´etodos no invasivos; electromiograf´ıa y
mecanomiograf´ıa. Para escoger los m´etodos a utilizar, se analizaron las limitaciones
encontr´andose dos importantes; de recursos y de objetivos.
En el primer cap´ıtulo se presentan la contextualizaci´on y fundamentos del
problema definiendo el objetivo general adem´as de la estructura del trabajo.
En el segundo cap´ıtulo se procedi´o a realizar una investigaci´on de los avances en el
campo, las aplicaciones de las diversas tecnolog´ıas y una profundizaci´on de los
conceptos m´as importantes del estudio. Se indag´o en ambos m´etodos y sus alcances,
partiendo desde la anatom´ıa humana hasta la forma en la que cada uno capta la se˜nal
encontrando aplicaciones en pr´otesis, video juegos, control a distancia entre otros.
En el tercer cap´ıtulo se procedi´o a explicar la implementaci´on y metodolog´ıa a
utilizar en el estudio. Se justificaron sus usos y se expusieron los errores que permit´ıan
corregir adem´as de los beneficios para la investigaci´on.
En el cuarto cap´ıtulo se mostraron los resultados obtenidos de las diversas pruebas,
primero con cada m´etodo por separado y luego con ambos en conjunto. Se expusieron
los gr´aficos m´as relevantes para el algoritmo y los que entregaban mayor informaci´on.
Tambi´en se agregaron resultados adicionales para complementar el estudio.
En el quinto cap´ıtulo se hizo un an´alisis de los datos obtenidos llegando a la
Adem´as, se realizaron comparaciones del uso de los m´etodos por separados y su uso
en conjunto mostrando los diversos beneficios.
En el ´ultimo cap´ıtulo se concluy´o el estudio mostrando los descubrimientos
realizados adem´as de generar recomendaciones respecto a la metodolog´ıa y recursos.
Tambi´en se mostr´o la efectividad del algoritmo creado y sus posibles usos para
investigaciones futuras.
Palabras claves: Electromiograf´ıa, Mecanomiograf´ıa, Algoritmo, Modelo de mano,
Abstract
The present work was based on the development of an algorithm to interpret the
signals obtained from the muscles of the forearm for the control of a mechanical
model of hand using two non-invasive methods; Electromyography and
mechanomiography. In order to choose the methods to be used, the limitations were analyzed, two important ones being found; Resources and objectives.
In the first part of the work is made an investigation of the advances in the field, the applications of the various technologies and a deepening of the most important
concepts of the study. It was investigated in both methods and their scope, starting
from the human anatomy to the way in which each one captures the signal finding
prosthesis applications, video games, remote control among others.
In the second part is explained the implementation and methodology to be used in
the study. Their uses were justified and the errors that allowed to correct besides the
benefits for the investigation were exposed.
The third part showed the results obtained from the various tests, first with each
method separately and then with both together. The most relevant graphs for the
algorithm and the ones that provided more information were presented. Additional
results were also added to complement the study.
In the fourth part an analysis of the obtained data was made arriving at the
explanation of the construction of the algorithm for the control of a hand model. In
In the last part, the study was concluded showing the discoveries made besides
generating recommendations regarding the methodology and resources. It also showed
the effectiveness of the algorithm created and its possible uses for future research.
Key words: Electromyography, Mechanomyography, Algorithm, Hand Model,
Glosario
ALEATORIO: que depende del azar (Casualidad)
ALGORITMO: conjunto ordenado y finito de operaciones que permite hallar la
soluci´on de un problema
AMPLITUD: diferencia entre los valores m´aximo y m´ınimo de un fen´omeno
oscilatorio
ELECTRODO: extremo de un conductor en contacto con u medio, al que
transmite o del que recibe una corriente el´ectrica.
ELECTROMIOGRAF´IA (EMG): se˜nal el´ectrica obtenida a partir de la actividad
el´ectrica producida por el musculo.
EVOLVABLE HARDWARE (EHW): circuito reconfigurable que es programado
por un algoritmo evolucionado.
ESTADOS: situaci´on en que se encuentra algo y en especial cada uno de sus
sucesivos modos de estar.
FILTRO: dispositivo que elimina o selecciona ciertas frecuencias de un espectro
el´ectrico, ac´ustico, ´optico o mec´anico.
FRECUENCIA: n´umero de veces que se repite un proceso peri´odico por unidad
de tiempo.
GANANCIA: magnitud que caracteriza la amplificaci´on en potencia, intensidad
o tensi´on.
GRADIENTE: raz´on entre la variaci´on del valor de una magnitud en dos puntos
MATLAB (Matriz Laboratory): herramienta de software matem´atico que ofrece
un entorno de desarrollo integrado con un lenguaje de programaci´on propio.
MECANISMO: conjunto de las partes de una m´aquina en su disposici´on
adecuada.
MECANOMIOGRAF´IA (MMG): se˜nal mec´anica observada desde la superficie
del musculo cuando es contra´ıdo.
MEDIA CUADR ´ATICA (RMS): ra´ız cuadrada del cociente de dividir la suma de los cuadrados de las variaciones de una magnitud por el n´umero de estas.
PAR ´AMETRO: dato o factor que se toma como necesario para analizar o valorar
una situaci´on.
PEAK: punto m´as alto de una serie de valores.
RUIDO: se˜nal perturbadora en un circuito producida por sus componentes.
SENSOR: dispositivo que detecta una determinada acci´on externa y la transmite
adecuadamente.
SE ˜NAL: variaci´on de una corriente el´ectrica u otra magnitud que se utiliza para
trasmitir informaci´on.
TRANSFORMADA DE FOURIER (TF): transformaci´on matem´atica empleada
para transformar se˜nales entre el dominio del tiempo (o espacial) y el dominio de
la frecuencia.
UMBRAL: valor m´ınimo de una magnitud a partir del cual se produce un efecto
´Indice general
1. Introducci´on 1
1.1. Fundamentos y contextualizaci´on . . . 1
1.2. Objetivo General . . . 2
1.3. Objetivos espec´ıficos . . . 2
1.4. Estructura de la memoria . . . 2
2. Marco Te´orico 4 2.1. El cerebro . . . 6
2.1.1. Sensores utilizados en el cerebro . . . 7
2.2. Se˜nales en los nervios . . . 13
2.2.1. Sensores utilizados en los nervios . . . 13
2.3. Se˜nales en los m´usculos . . . 18
2.3.1. M´usculos de la mano . . . 18
2.3.2. Sensores utilizados en los m´usculos . . . 20
2.4. Control . . . 22
2.4.1. Control On-Off . . . 22
2.4.2. Control proporcional . . . 22
2.5. Electromiograf´ıa . . . 23
2.5.1. Detecci´on y procesamiento de la se˜nal de EMG . . . 27
2.5.2. Aplicaciones . . . 29
2.6. Mecanomiograf´ıa . . . 32
3. Implementaci´on 38 3.1. Instrumentaci´on . . . 38
3.2. Procesamiento . . . 39
3.2.2. Mecanomiograf´ıa . . . 44
3.3. Metodolog´ıa . . . 45
3.3.1. Electromiograf´ıa . . . 45
3.3.2. Mecanomiograf´ıa . . . 47
3.3.3. Variaci´on de la fuerza . . . 47
3.4. Aplicaci´on . . . 48
3.5. Electromiograf´ıa y Mecanomiograf´ıa . . . 51
3.5.1. Aplicaci´on . . . 52
4. Resultados 54 4.1. Resultados electromiograf´ıa . . . 54
4.2. Resultados Mecanomiograf´ıa . . . 66
4.3. Resultados ambos m´etodos en conjunto . . . 78
4.4. Resultados frecuencias FFT . . . 92
4.5. Resultados a diferentes horas . . . 94
4.6. Resultados utilizando diferentes pesos . . . 96
5. An´alisis 99
6. Conclusiones y Recomendaciones 102
´Indice de figuras
2.1. Areas motoras corticales fundamentales. . . .´ 6
2.2. Arreglo de 4x4[mm] de 100 micro electrodos que se implanta en la corteza motora primaria [2]. . . 8
2.3. Detalle del arreglo Braingate de 100 micro electrodos que se implanta en la corteza motora primaria [2]. . . 8
2.4. Tomograf´ıa del cerebro de un paciente con sensor implantado [2]. . . . 9
2.5. Usuario del sensor implantado en corteza motora controlando un movimiento en dos dimensiones [2]. . . 9
2.6. Electrodo intra neural utilizado implantado en los nervios [2]. . . 14
2.7. Zoom a electrodo intra neural donde se puede observar en detalle la forma constructiva de este [2]. . . 14
2.8. Electrodo extra neural tripolar cuff [2]. . . 15
2.9. Electrodo extra neural del tipo plano, se muestra la forma constructiva del mismo. [2]. . . 15
2.10. Electrodo intra neural del tipo LIFE, se muestra la forma constructiva del mismo. [2]. . . 16
2.11. Electrodo intra neural del tipo Utah Slant Array, se muestra imagen ampliada del mismo [2]. . . 17
2.12. Electrodo intra neural del tipo regenerativo, se muestra imagen ampliada del mismo [2]. . . 18
2.13. M´usculos presentes en el antebrazo y mano humana. . . 19
2.14. Sensor electromiogr´afico b´asico m´as circuito de captaci´on. . . 20
2.15. Electrodo Implantable utilizado en pr´otesis de mano. . . 21
2.16. Arreglo de electrodos y detecci´on de se˜nal de electromiograf´ıa [32]. . . 27
2.18. Avi´on no tripulado que se busca controlar a trav´es de se˜nales de EMG. . 32
2.19. Representaci´on de los valore SV de una se˜nal de MMG[43]. . . 36
3.1. Circuito de amplificador de audio utilizado para la captaci´on de se˜nal
de MMG. . . 40
3.2. Se˜nal de electromiograf´ıa donde se puede apreciar el ruido captado por
los sensores adem´as de la propia se˜nal. . . 41
3.3. Gr´afico donde se observa la Transformada R´apida de Fourier donde se
aprecia que se alcanzan peaks de ruido en los 50 [Hz]. . . 41
3.4. Se˜nal de electromiograf´ıa luego del procesamiento a trav´es del filtro. . . 43
3.5. Gr´afico de la Transformada R´apida de Fourier de la se˜nal de
electromiograf´ıa luego de ser filtrada. . . 43
3.6. Ejemplo de como funciona gr´aficamente el valor RMS programado en
MATLAB. . . 44
3.7. Punto 1 de toma de datos de electromiograf´ıa, este punto se encuentra
en la cara interior del antebrazo (punto representado por los electrodos). 47
3.8. Mecanismo utilizado para variar pesos de agarre, se utilizan discos
unidos al mecanismo mediante una cadena. . . 48
3.9. Algoritmo conceptual b´asico para generar control. . . 49
3.10. Punto 1 de toma de datos de electromiograf´ıa, este punto se encuentra
en la cara interior del antebrazo (punto representado por los electrodos). 51
3.11. Punto 2 de toma de datos de mecanomiograf´ıa, este punto se encuentra
en la cara exterior del antebrazo (punto representado por c´ırculo). . . 52
4.1. Gr´afico de electromiograf´ıa obtenido al apretar un objeto. . . 54
4.2. Detalle de una de las curvas presentes en el gr´afico anterior 4.1. . . 55
4.3. Gr´afico de electromiograf´ıa donde se observa la reacci´on de los
m´usculos al ser golpeado el hombro. . . 56
4.4. Gr´afico de electromiograf´ıa donde se observa la reacci´on de los
m´usculos al golpear la mesa con el brazo que tiene los sensores. . . 57
4.5. Gr´afico de electromiograf´ıa donde se observa la se˜nal de los m´usculos
al mover el dedo me˜nique. . . 58
4.6. Gr´afico de electromiograf´ıa donde se observa la se˜nal de los m´usculos
4.7. Gr´afico de electromiograf´ıa donde se observa la se˜nal de los m´usculos
al mover el dedo medio. . . 59
4.8. Gr´afico de electromiograf´ıa donde se observa la se˜nal de los m´usculos
al mover el dedo ´ındice. . . 60
4.9. Gr´afico de electromiograf´ıa donde se observa la se˜nal de los m´usculos
al mover el dedo pulgar. . . 61
4.10. Gr´afico de electromiograf´ıa donde se observa el comportamiento de los
m´usculos al apretar un objeto con el brazo extendido hacia abajo. . . 62
4.11. Gr´afico de electromiograf´ıa donde se observa el comportamiento de los
m´usculos al apretar un objeto con el brazo extendido hacia adelante. . . 62
4.12. Gr´afico de electromiograf´ıa donde se observa el comportamiento de los
m´usculos al apretar un objeto con el brazo extendido horizontalmente
en la direcci´on del mismo. . . 63
4.13. Gr´afico de electromiograf´ıa donde se observa el comportamiento de los
m´usculos al mover el brazo con pivote el hombro. . . 64
4.14. Gr´afico de electromiograf´ıa donde se observa el comportamiento de los
m´usculos al mantener la contracci´on en el tiempo. . . 64
4.15. Gr´afico de mecanomiograf´ıa obtenido al apretar un objeto. . . 66
4.16. Gr´afico de mecanomiograf´ıa donde se observa la reacci´on de los
m´usculos al ser golpeado el hombro. . . 67
4.17. Gr´afico de mecanomiograf´ıa donde se observa la reacci´on de los
m´usculos al golpear la mesa con el brazo que tiene los sensores. . . 68
4.18. Gr´afico de mecanomiograf´ıa donde se observa la se˜nal de los m´usculos
al mover el dedo me˜nique. . . 69
4.19. Gr´afico de mecanomiograf´ıa donde se observa la se˜nal de los m´usculos
al mover el dedo anular. . . 69
4.20. Gr´afico de mecanomiograf´ıa donde se observa la se˜nal de los m´usculos
al mover el dedo medio. . . 70
4.21. Gr´afico de mecanomiograf´ıa donde se observa la se˜nal de los m´usculos
al mover el dedo ´ındice. . . 71
4.22. Gr´afico de mecanomiograf´ıa donde se observa la se˜nal de los m´usculos
al mover el dedo pulgar. . . 71
4.23. Gr´afico de mecanomiograf´ıa donde se observa el comportamiento de
4.24. Gr´afico de mecanomiograf´ıa donde se observa el comportamiento de
los m´usculos al apretar un objeto con el brazo extendido hacia adelante. 73
4.25. Gr´afico de mecanomiograf´ıa donde se observa el comportamiento de
los m´usculos al apretar un objeto con el brazo extendido
horizontalmente en la direcci´on del mismo. . . 74
4.26. Gr´afico de mecanomiograf´ıa donde se observa el comportamiento de
los m´usculos al mover el brazo con pivote el hombro. . . 75
4.27. Gr´afico de mecanomiograf´ıa donde se observa el comportamiento de
los sensores al rascar la banda de sujeci´on de los mismos. . . 75
4.28. Gr´afico de mecanomiograf´ıa donde se observa el comportamiento de
los sensores al rascar el brazo donde est´an instalados. . . 76
4.29. Gr´afico de electromiograf´ıa y mecanomiograf´ıa obtenido al apretar un
objeto. . . 78
4.30. Gr´afico de electromiograf´ıa y mecanomiograf´ıa donde se observa la
reacci´on de los m´usculos al ser golpeado el hombro. . . 79
4.31. Gr´afico de electromiograf´ıa y mecanomiograf´ıa donde se observa la
reacci´on de los m´usculos al golpear la mesa con el brazo que tiene los
sensores. . . 80
4.32. Gr´afico de electromiograf´ıa y mecanomiograf´ıa donde se observa la
se˜nal de los m´usculos al mover el dedo me˜nique. . . 81
4.33. Gr´afico de electromiograf´ıa y mecanomiograf´ıa donde se observa la
se˜nal de los m´usculos al mover el dedo anular. . . 81
4.34. Gr´afico de electromiograf´ıa y mecanomiograf´ıa donde se observa la
se˜nal de los m´usculos al mover el dedo medio. . . 82
4.35. Gr´afico de electromiograf´ıa y mecanomiograf´ıa donde se observa la
se˜nal de los m´usculos al mover el dedo ´ındice. . . 83
4.36. Gr´afico de electromiograf´ıa y mecanomiograf´ıa donde se observa la
se˜nal de los m´usculos al mover el dedo pulgar. . . 84
4.37. Gr´afico de electromiograf´ıa y mecanomiograf´ıa donde se observa el
comportamiento de los m´usculos al apretar un objeto con el brazo
extendido hacia abajo. . . 85
4.38. Gr´afico de electromiograf´ıa y mecanomiograf´ıa donde se observa el comportamiento de los m´usculos al apretar un objeto con el brazo
4.39. Gr´afico de electromiograf´ıa y mecanomiograf´ıa donde se observa el
comportamiento de los m´usculos al apretar un objeto con el brazo
extendido horizontalmente en la direcci´on del mismo. . . 87
4.40. Gr´afico de electromiograf´ıa y mecanomiograf´ıa donde se observa el
comportamiento de los m´usculos al mover el brazo con pivote el hombro. 88
4.41. Gr´afico de electromiograf´ıa y mecanomiograf´ıa donde se observa el
comportamiento de los m´usculos al mantener la contracci´on en el tiempo. 88
4.42. Gr´afico de electromiograf´ıa y mecanomiograf´ıa donde se observa el comportamiento de los m´usculos al realizar extensi´on de mu˜neca. . . . 89
4.43. Gr´afico de las FFT calculadas en puntos discretos a lo largo de la se˜nal
de EMG sin normalizar. . . 92
4.44. Gr´afico de las FFT calculadas en puntos discretos a lo largo de la se˜nal
de EMG normalizado. . . 92
4.45. Gr´afico de las FFT calculadas en puntos discretos a lo largo de la se˜nal
de MMG sin normalizar. . . 93
4.46. Gr´afico de las FFT calculadas en puntos discretos a lo largo de la se˜nal
de MMG normalizado. . . 93 4.47. Gr´afico de electromiograf´ıa y mecanomiograf´ıa de contracci´on
muscular tomados a las 12 horas. . . 95
4.48. Gr´afico de electromiograf´ıa y mecanomiograf´ıa de contracci´on
muscular tomados a las 17:30 horas. . . 95
4.49. Gr´afico de electromiograf´ıa y mecanomiograf´ıa de contracci´on
muscular tomados con el mecanismo sin peso adicional. . . 96
4.50. Gr´afico de electromiograf´ıa y mecanomiograf´ıa de contracci´on
muscular tomados con el mecanismo con peso adicional de 1.5[kg]. . . 97
4.51. Gr´afico de electromiograf´ıa y mecanomiograf´ıa de contracci´on muscular tomados con el mecanismo con peso adicional de 2.5[kg]. . . 97
4.52. Gr´afico de electromiograf´ıa y mecanomiograf´ıa de contracci´on
muscular tomados con el mecanismo con peso adicional de 4[kg]. . . . 98
A.1. Gr´aficos de ambos m´etodos juntos en diferentes tipos de movimientos . 110
A.2. Continuaci´on gr´aficos de ambos m´etodos juntos en diferentes tipos de
movimientos . . . 111
´Indice de tablas
3.1. Tabla donde se presentan las principales diferencias entre los filtros del
tipo FIR y del tipo IIR. . . 42
4.1. Tabla donde se presentan las frecuencias medias de los distintos
Cap´ıtulo 1
Introducci´on
1.1.
Fundamentos y contextualizaci´on
En la actualidad el inter´es por la rob´otica y los dispositivos controlados se ha
incrementado, es por esto que es importante estudiar y analizar c´omo funciona el
proceso de control de ´estos aparatos.
Cuando se realizan distintos movimientos articulares se generan cambios f´ısicos
en los m´usculos, estos cambios pueden ser medidos de diversas formas, a trav´es de
m´etodos no invasivos tales como la medici´on en la diferencia de tensi´on o en las
vibraciones en las fibras musculares y otros m´etodos invasivos que requieren el uso de instrumentos m´edicos m´as especializados para lograr, por ejemplo, captar las se˜nales
neuronales.
Las se˜nales captadas pueden tener diversos usos y aplicaciones, ya sea desde
pr´otesis hasta m´aquinas biom´edicas de neurocirug´ıa. La complejidad del uso de la
informaci´on influye en la precisi´on de los m´etodos utilizados para obtener estos datos.
Tambi´en la diferencia entre qu´e tan invasivos son los sensores impacta en el costo de
los mismos considerando que entre m´as invasivo el procedimiento tiende a ser m´as
preciso el resultado, pero m´as caros. Frente a estas opciones se plantea el problema de
¿c´omo obtener datos m´as precisos a un menor costo con un procedimiento no
1.2.
Objetivo General
Desarrollar un algoritmo para interpretar las se˜nales obtenidas de los m´usculos del antebrazo basadas en mecanomiograf´ıa y electromiograf´ıa para el control de un
modelo mec´anico de mano.
1.3.
Objetivos espec´ıficos
Estudiar el estado del arte sobre control a trav´es de mecanomiograf´ıa y
electromiograf´ıa.
Analizar datos obtenidos por mecanomiograf´ıa a trav´es de Matlab.
Analizar datos obtenidos por electromiograf´ıa a trav´es de Matlab.
Dise˜nar un algoritmo que combine las ventajas de ambos m´etodos.
1.4.
Estructura de la memoria
En el cap´ıtulo 2 se introducen los conceptos b´asicos que ser´an la base para
entender el tema propuesto en este trabajo. Se presenta el Marco Te´orico con los
diferentes avances realizados en el ´area del control a trav´es de diferentes m´etodos de
captaci´on de se˜nales. Se revisan conceptos como electromiograf´ıa y mecanomiograf´ıa
y adem´as se da una introducci´on a los m´usculos de la mano.
El cap´ıtulo 3 se divide en tres partes, Instrumentaci´on, procesamiento y
metodolog´ıa. Primero se describen todos los componentes a utilizar, luego se explica
c´omo es el procesamiento de las se˜nales y que conceptos matem´aticos se utilizan y por
´ultimo se explica la metodolog´ıa seguida tanto en posicionamiento de sensores como
tambi´en las diferentes condiciones para la captaci´on de se˜nales.
En el cap´ıtulo 5 se presenta el an´alisis y estudio de los resultados de los gr´aficos y
valores obtenidos de los dos m´etodos.
En el cap´ıtulo 6 se entregan las conclusiones finales para todo el trabajo como
tambi´en las conclusiones particulares para cada uno de los objetivos propuestos al
inicio de este trabajo. Tambi´en se sugieren diferentes enfoques y/o m´etodos que se
Cap´ıtulo 2
Marco Te´orico
El objetivo de este trabajo es desarrollar un algoritmo para el control de un modelo
de mano. Para lograr esto es necesario captar se˜nales del cuerpo humano para luego
transformarlas en informaci´on que pueda ser usada en un sistema electr´onico. Esto se
relaciona con el modo de funcionamiento de las pr´otesis las que siguen una l´ogica
similar a lo planteado [1]. Por lo que estudiar y analizar los avances en este tipo de
tecnolog´ıa pueden ser beneficiosos para entender c´omo abordar el objetivo de este
trabajo.
En el mundo de las pr´otesis hay variadas formas de utilizar se˜nales generadas por
el cuerpo humano para el control de diversos dispositivos [2]. Adem´as existen diferentes m´etodos para obtener las se˜nales del cuerpo siendo cada uno de estos
aplicables a diferentes zonas, como por ejemplo el cerebro, los nervios y los m´usculos,
responsables del movimiento muscular.
Existen dos tipos de movimientos en el cuerpo humano [3, 4] , los voluntarios y
los involuntarios. Primero se definen qu´e son los movimientos voluntarios, son todas
aquellas respuestas musculares ante un est´ımulo cuya orden viene del cerebro. La
orden viaja directamente desde el cerebro hacia los m´usculos, usando los nervios
como transmisores. Estos son llamados nervios sensitivos y son los responsables de
transmitir la informaci´on ya sea a trav´es de los sentidos o de los ´organos internos. La
informaci´on es procesada por el cerebro y ´este elabora una respuesta y es all´ı cuando entran en juego los nervios motores llevando esta respuesta de vuelta a los m´usculos
movimientos voluntarios son cabeza, boca, extremidades, el torso y la lengua [5].
Un movimiento involuntario tambi´en es llamado reflejo. Se diferencia de los
movimientos voluntarios porque los nervios sensitivos llevan la informaci´on del
est´ımulo a la m´edula espinal, (en lugar de llevarla al cerebro), y es la m´edula la
encargada de elaborar r´apidamente la respuesta que viajar´a a trav´es de los nervios para
producir el reflejo o movimiento involuntario. Es importante destacar que existen
movimientos voluntarios que siguen el proceso de uno involuntario como es el caso
del movimiento de la mano producto de la aplicaci´on de una aguja sobre uno de los dedos, por lo que el tipo de est´ımulo tambi´en es relevante. Algunos de los ´organos que
realizan movimientos involuntarios son los intestinos, el coraz´on, la faringe, laringe,
vaso, las gl´andulas, los pulmones, entre otros [6].
Debido a que el objetivo de este trabajo es el control de un modelo de mano, no se
pueden utilizar los movimientos involuntarios, ya que estos no representan ´ordenes
conscientes del cerebro [7].
El proceso del movimiento voluntario funciona de la siguiente forma [3]. El
cerebro, espec´ıficamente, la capa superficial correspondiente a la corteza cerebral
env´ıa una se˜nal de movimiento a las terminaciones nerviosas las que posteriormente
liberan una sustancia qu´ımica llamada acetilcolina, un neurotransmisor que inicia una actividad el´ectrica que se extiende a trav´es de toda la fibra muscular. Esto provoca que
las membranas liberen iones de calcio los que ponen en marcha el proceso mec´anico
de contracci´on muscular.
Adem´as del procesamiento de la orden para que se produzca la contracci´on es
necesario el acoplamiento de dos mol´eculas que se encuentran en las fibras
musculares: la actina y la miosina. Dispuestas como filamentos entrelazados, estas se
recogen al recibir el impulso el´ectrico [8].
Considerando entonces el proceso de contracci´on muscular como tres procesos
espec´ıficos y relacionados entre s´ı, es posible encontrar diferentes variables que
En primer lugar se presentaran los m´etodos que involucran el cerebro y la corteza
motora, luego los m´etodos que involucran la captaci´on de la se˜nal el´ectrica y por
´ultimo la captaci´on de la se˜nal en el mismo m´usculo de forma mec´anica.
2.1.
El cerebro
Antes de entrar en los m´etodos propiamente tal, se presenta a continuaci´on un
esquema del cerebro y una breve explicaci´on de c´omo se genera el movimiento:
Figura 2.1: ´Areas motoras corticales fundamentales.
Como se observa en la figura 2.1, en el cerebro existe un ´area encargada de los
movimientos la que se puede dividir en tres grupos [9]:
Corteza motora primaria (M1)
´
Area pre-motora (APM)
´
La funci´on de la corteza motora primaria es la de conectar el cerebro con las
neuronas motoras inferiores a trav´es de la m´edula espinal para informar cuales son los
m´usculos que deben contraerse, esta ´area est´a encargada de los movimientos
ordinarios, como correr o caminar.
El ´area pre motora est´a encargada de guiar los movimientos y el control de los
m´usculos proximales los cuales son; hombros, codos, cadera y rodillas y los axiales
que son los contenidos en el tronco.
Y el ´area motora suplementaria est´a encargada de la planificaci´on y coordinaci´on
de movimientos complejos como por ejemplo, aquellos que requieren el uso de ambas manos. En las siguientes secciones se mencionan los sensores que se utilizan en la
corteza motora.
2.1.1.
Sensores utilizados en el cerebro
Registro desde la corteza motora
Este tipo de sensor trabaja registrando los potenciales el´ectricos en la misma
corteza motora (figuras 2.2 a 2.5). Estos potenciales registrados en el cerebro pueden
ser divididos en dos categor´ıas; potenciales de acci´on y potenciales de campo [10].
Los potenciales de acci´on son las se˜nales el´ectricas directas producidas por
neuronas individuales y son la comunicaci´on primaria subyacente a la actividad cerebral. Los potenciales de campo son cambios de voltajes causados por la suma de
Figura 2.2: Arreglo de 4x4[mm] de 100 micro electrodos que se implanta en la corteza motora primaria [2].
Figura 2.4: Tomograf´ıa del cerebro de un paciente con sensor implantado [2].
Figura 2.5: Usuario del sensor implantado en corteza motora controlando un movimiento en dos dimensiones [2].
Registro de los picos corticales
Algunos de los avances m´as impresionantes en las interfaces cerebro-m´aquina
corteza motora primaria contiene un mapa topogr´afico del cuerpo con patrones de
picos en las ´areas relacionadas con la mano y el brazo los que han sido demostrados
en estudios hechos con primates[11]. Estos patrones tienen relaci´on con la velocidad y
direcci´on de movimiento, fuerza de agarre e incluso movimientos individuales de los
dedos. Las investigaciones hechas en primates han tenido ´exito al controlar cursores
en 2 y 3 dimensiones [12].
En humanos se ha logrado que pacientes con grandes discapacidades puedan
controlar un cursor de computador a trav´es de estos patrones [13].
Potenciales locales de campo
Los potenciales locales de campo para las interfaces cerebro-m´aquina han
comenzado a recibir m´as atenci´on en los ´ultimos a˜nos. Este creciente inter´es proviene
parcialmente de la creencia de que estos evitan muchos de los problemas inherentes a la estabilidad de la grabaci´on de los picos corticales [14]. Los potenciales locales de
campo son grabados con el mismo tipo de electrodos utilizados en la detecci´on de
picos. Estas se˜nales son relativamente m´as robustas porque son el resultado de la
actividad sumada de varias neuronas que disparan cerca del electrodo. Tambi´en se
consideran m´as f´aciles de grabar y m´as factibles para el uso a largo plazo de las
grabaciones con picos [15, 16]
La capacidad de los potenciales locales de campo para codificar la informaci´on se
ha comparado directamente con la de las grabaciones de pico, algunos investigadores
han encontrado un bajo rendimiento y con otros un rendimiento comparable. Se ha
demostrado en monos que los potenciales locales de campo codifican la posici´on y la
velocidad tanto del brazo como de la mano.
Estimulaci´on cortical para la retroalimentaci´on sensorial
Se han realizado esfuerzos para determinar si los est´ımulos aplicados directamente
a la corteza a trav´es de electrodos intra corticales pueden proporcionar retroalimentaci´on sensorial. Se ha demostrado que la estimulaci´on de la corteza
cuerpo [17]. Al igual que lo que ocurre en la corteza motora, se ha demostrado que la
corteza somatosensorial contiene un mapa topogr´afico del cuerpo, con ´areas corticales
mayores dedicadas a partes del cuerpo con mayor inversi´on sensorial (por ejemplo,
manos y lengua)[18]. Dos estudios han demostrado que en primates la estimulaci´on
el´ectrica de la porci´on t´actil de la corteza somatosensorial primaria produjo la
percepci´on de la frecuencia media (5-50Hz) que era hasta cierto punto indistinguible
de la producida por est´ımulos mec´anicos y suficiente para activar los procesos
neuronales involucrados en la distinci´on por vibraci´on[19].
En estudios posteriores se mostraron que los monos pod´ıan distinguir diferentes
frecuencias de est´ımulos el´ectricos aplicados a la porci´on propioceptiva de la corteza
somatosensorial primaria [19]. Sin embargo, este tipo de estimulaci´on a´un no ha mostrado proporcionar una percepci´on de ubicaci´on de un miembro.
Registro de electrocorticograma
Las se˜nales de electrocorticograma (ECoG) se miden en la superficie cortical y por
lo tanto no requieren la implantaci´on del tejido cerebral. Las grabaciones ECoG se
realizan generalmente a trav´es de la corteza sensomotora y comprenden se˜nales
r´ıtmicas de frecuencias bajas (8-13 Hz), medianas (13-30 Hz) y altas (30+ Hz)
denominadas ritmos α, β y γ, respectivamente. Las amplitudes de estas se˜nales
disminuyen durante el movimiento o imagen motora, indicando una disminuci´on en la
sincronizaci´on de las se˜nales neurales.
Los sistemas ECoG se han utilizado para predecir trayectorias de movimiento
bidimensional de la mano en sujetos humanos. Recientemente se han utilizado las
se˜nales ECoG para el control bidimensional del cursor y para determinar el tiempo de
curso de la flexi´on individual de los dedos [20].
Estos estudios han demostrado el potencial de los sistemas ECoG para interfaces
cerebro-m´aquina a largo plazo el control de movimiento. El rendimiento de los
sistemas ECoG disminuyen en comparaci´on con los sistemas de registro de picos corticales y las se˜nales ECoG han demostrado contener menos de la mitad de la
Debido a que los electrodos de usados en la ECoG no penetran en la corteza, existe un menor riesgo de da˜no al tejido que con las t´ecnicas de registro intra cortical. Sin
embargo, todav´ıa hay un riesgo involucrado porque estos sistemas requieren una
craneotom´ıa para la colocaci´on del electrodo.
La mayor´ıa de los estudios en los que los investigadores utilizan se˜nales ECoG son
a corto plazo en pacientes con epilepsia ya que este sistema no est´a aprobado por la
FDA (Administraci´on de Alimentos y Medicamentos de EEUU) para su uso a largo
plazo [21].
Registro de electroencefalograma
El electroencefalograma (EEG) es no invasivo y por lo tanto ha sido un medio ´util
para explorar las capacidades de control de las se˜nales neurales. Los sistemas EEG a
veces se dirigen a potenciales corticales lentos, incluyendo los cambios de baja
frecuencia en potenciales de campo que aparecen antes del inicio del movimiento y se denominan Potenciales de Preparaci´on (o a veces Bereitshaftspotentials o BP).
Estas se˜nales han sido usadas para dispositivos de deletreo para pacientes bloqueados. A los pacientes les toma meses de entrenamiento para aprender a modular
los potenciales de preparaci´on y en los informes iniciales de los dispositivos de
deletreo se ha mostrado que necesitan en promedio 2 minutos para seleccionar una
letra [22].
Los cambios a gran escala y baja frecuencia en los potenciales de campo tambi´en
se observan en respuesta a los eventos neurales y pueden ser provocados por est´ımulos
externos; estos se denominan potenciales relaciones con el evento. Un ejemplo, el
P300 (que aparece como un pico en las se˜nales corticales aproximadamente 300 ms
despu´es de que aparezcan est´ımulos relevantes) tambi´en ha encontrado ser aplicable
en los dispositivos de deletreo y ha sido usado para seleccionar ubicaciones deseables
en sillas de ruedas y comando de tareas para un brazo rob´otico montado en una silla de ruedas. Usar el P300 no requiere entrenamiento, pero la velocidad es alrededor de 1
Las se˜nales de mayor frecuencia, incluyendo ritmosαyβ, a menudo son medidas
en la corteza sensomotora con sistema de EEG. Estas se˜nales han sido usadas en el
control de un cursor en una y dos dimensiones, control de una ortesis de mano y
control de una neuro pr´otesis [24].
La mayor´ıa de estos sistemas requieren muchos meses de entrenamiento y no son
muy robustos: por ejemplo, un estudio reporto una precisi´on media entre 76 % al 81 %
para el final de tres sesiones de control de un cursor en una dimensi´on por cuatro
sujetos con Esclerosis lateral amiotr´ofica despu´es de 3 a 7 meses de entrenamiento.
Otros de los inconvenientes de los sistemas EEG son el ruido en la se˜nal grabada
y la necesidad de conectar electrodos de grabaci´on en el cuero cabelludo, ambos un
problema de tiempo y apariencia. Adem´as, debido a que las se˜nales EEG son filtradas
a trav´es del cr´aneo, se limita la frecuencia de informaci´on que pueden grabar, lo cual
limita la tasa m´axima de informaci´on transferida.
2.2.
Se ˜nales en los nervios
El siguiente paso en el proceso de conducci´on de la informaci´on de movimiento se
encuentra en los nervios, los cuales producen una reacci´on qu´ımica la que
desencadena una reacci´on el´ectrica y que posteriormente se transmite por las fibras
[25].
En esta parte se estudiar´an los tipos de sensores utilizados para captar la se˜nal
directamente desde los nervios.
2.2.1.
Sensores utilizados en los nervios
Interceptando se ˜nales nerviosas
Las se˜nales neurales pueden ser interceptadas desde las fibras nerviosas motoras perif´ericas. Estas se˜nales son aproximadamente mil veces m´as peque˜nas que las
diferencia pueden ser detectadas por electrodos (figura 2.6) colocados dentro o
adyacentes a un conjunto de nervios [2].
Figura 2.6: Electrodo intra neural utilizado implantado en los nervios [2].
Figura 2.7: Zoom a electrodo intra neural donde se puede observar en detalle la forma constructiva de este [2].
Electrodo extra neural
Los electrodos extra neuronales (figura 2.8) registran y estimulan el nervio desde
Figura 2.8: Electrodo extra neural tripolar cuff [2].
Uno de los electrodos comunes de este tipo es el electrodo tripolar cuff, el cual
rodea al nervio y por lo tanto registra y estimula desde unas pocas a varias fibras
nerviosas. Una alternativa a este electrodo es el electrodo plano, el cual aplana
suavemente el nervio entre un arreglo de electrodos extra neurales (figura 2.9).
Figura 2.9: Electrodo extra neural del tipo plano, se muestra la forma constructiva del mismo. [2].
Electrodo intra neural
Los electrodos intra neuronales (figura 2.6 y Figura 2.7) penetran el nervio,
que los electrodos intra neuronales tienen mayor selectividad que los electrodos extra
neuronales y requieren un menor est´ımulo para estimular el nervio [27].
Un electrodo de este tipo es el electrodo intra fascicular longitudinal, LIFE por sus
siglas en ingl´es (figura 2.10), estos son unos finos electrodos que se insertan dentro de
fasc´ıculos individuales, paralelos a las fibras nerviosas. Estos son biocompatibles, y
para ser removidos no se requiere una cirug´ıa adicional, haci´endolos una gran opci´on
para el registro y estimulaci´on directo desde los nervios.
Figura 2.10: Electrodo intra neural del tipo LIFE, se muestra la forma constructiva del mismo. [2].
Otro tipo de sensor es el arreglo de multi electrodos (figura 2.6), el cual contiene
una docena de electrodos en una base r´ıgida. Los arreglos son normalmente insertados
en el costado de los nervios, penetrando el peri neuro. A´un cuando el gran n´umero de
puntos de medici´on incrementa la selectividad, la estructura al ser r´ıgida puede causar
da˜no a los nervios[28].
El arreglo de electrodos inclinados de Utah figura 2.11 (Utah Slant Array) es
probablemente el m´as estudiado para nervios perif´ericos. El dispositivo ha sido usado
Por ´ultimo, existen los electrodos regenerativos (figura 2.12) los cuales son
ubicados entre los dos lados de un nervio cortado para que registre y estimule el
nervio mientras este se regenera. Los estudios en animales han demostrado
consistencia, aunque limitada regeneraci´on a trav´es de este tipo de electrodo. Un uso a
largo plazo de este electrodo genera una p´erdida progresiva de las fibras nerviosas[29].
Figura 2.12: Electrodo intra neural del tipo regenerativo, se muestra imagen ampliada del mismo [2].
2.3.
Se ˜nales en los m ´usculos
El siguiente m´etodo de captaci´on involucra las se˜nales el´ectricas y mec´anicas
generadas en las fibras musculares al momento de generar una contracci´on. A
continuaci´on, se presenta una explicaci´on del funcionamiento y esquema de una mano
humana, as´ı como tambi´en de los sensores utilizados en los m´usculos.
2.3.1.
M ´usculos de la mano
Para tomar las se˜nales de los movimientos efectuados por la mano se requiere la utilizaci´on de electrodos de superficie los cuales van adheridos a la piel o electrodos
´optimos para la toma de muestras. Para determinar la posici´on adecuada de los
electrodos es necesario realizar un peque˜no estudio de la conformaci´on muscular del
antebrazo humano y analizar las relaciones existentes entre los diferentes m´usculos y
los movimientos efectuados por los dedos.
Los movimientos que se medir´an en este trabajo son los relacionados a los
movimientos de los dedos y no de toda la mano en s´ı. Se pondr´a especial atenci´on a
los m´usculos involucrados, directa o indirectamente, con dichos movimientos y no con
los que afecten a la flexi´on de la mu˜neca o rotaci´on de esta.
Figura 2.13: M´usculos presentes en el antebrazo y mano humana.
En el antebrazo existen alrededor de 19 m´usculos encargados de los diferentes movimientos de la mano y de los dedos. Los m´usculos estudiados en este trabajo son
los relacionados directamente con la contracci´on de los dedos ya que el an´alisis de los
m´usculos encargados de la extensi´on es redundante porque al activarse uno se
desactiva su contraparte encargada de la contracci´on.[31]
De los m´usculos existentes en el antebrazo se pondr´a ´enfasis a los m´as importantes
para el estudio: Flexor Pollicus Longus y Flexor Digitorum Profundus. Estos van
directamente a cada uno de los dedos y el pulgar siendo los principales responsables
de los movimientos realizados por la mano. A´un as´ı, en la mano existen m´usculos
intr´ınsecos los cuales permiten realizar movimientos m´as finos, como son el uso de
alguna herramienta de precisi´on o al tocar un instrumento. Para los prop´ositos de este
trabajo no se considerar´an esos movimientos ya que en primera instancia se busca
Durante el desarrollo del trabajo se estudiar´a la relaci´on existente entre los
diferentes componentes de los m´usculos en el antebrazo y los movimientos que estos
efect´uan en los dedos para poder encontrar patrones que permitan el desarrollo y
posterior uso de un algoritmo que sea capaz de mover un modelo mec´anico de mano.
2.3.2.
Sensores utilizados en los m ´usculos
Sensores electromiogr´afico
Los sistemas electromiogr´aficos (figura 2.14) tradicionales utilizan la informaci´on
neural entregada por la contracci´on muscular [32]. Las se˜nales el´ectricas generadas
durante la contracci´on muscular son el resultado de comandos de movimiento
realizados por la corteza motora y propagada por los nervios perif´ericos.
Figura 2.14: Sensor electromiogr´afico b´asico m´as circuito de captaci´on.
Algunas de las limitaciones del control mioel´ectrico son la dificultad de registrar
se˜nales de electromiograf´ıa adecuadas y la poca informaci´on entregada para el control
de m´ultiples funciones. Muchos pacientes que utilizan pr´otesis con este tipo de sensores no son capaces de producir una se˜nal aislada o realizar contracciones
piel var´ıan, se estar´an alterando las se˜nales enviadas lo que puede causar que el control
no sea efectivo.
Electrodo implantable
Los electrodos implantables (figura 2.15) pueden atenuar muchas de las dificultades
asociadas con el registro de EMG de superficie. Estos no se ver´an tan afectados por los cambios en el entorno como lo har´ıan los sensores de superficie y por lo tanto
pueden entregar registros m´as estables y un control m´as consistente [33]. Adem´as, los
electrodos implantables pueden medir las se˜nales de EMG de m´as de un m´usculo lo
que significa un control m´as amplio de la pr´otesis.
Figura 2.15: Electrodo Implantable utilizado en pr´otesis de mano.
Sensor de mecanomiograf´ıa
Al igual que los electrodos de superficie, los sensores de mecanomiograf´ıa se
colocan sobre el m´usculo que se est´a midiendo. Lo que se busca es registrar las
vibraciones provocadas por los m´usculos al momento de realizar una contracci´on [34]. Para esto se utilizan aceler´ometros o tambi´en micr´ofonos con alta ganancia que son
2.4.
Control
Una vez obtenidas las se˜nales del cuerpo es necesario traducirlas a una forma
adecuada para el control de las pr´otesis. Es as´ı que existen diferentes maneras de
interpretar las se˜nales para generar alg´un tipo de respuesta motora. Las formas m´as utilizadas por las pr´otesis son las siguientes:
2.4.1.
Control On-Off
La forma m´as simple de interpretaci´on es el control On-Off o tambi´en conocido
como control binario. Este tipo de control se ha utilizado por m´as de 70 a˜nos y es el
m´as popular debido a su gran robustez y su uso intuitivo [35]. La finalidad de este tipo de control es la de poder manejar una sola funci´on de la pr´otesis a la vez como, por
ejemplo; velocidad constante en una direcci´on, detenci´on total o velocidad constante
en la otra direcci´on.
2.4.2.
Control proporcional
El control proporcional es una forma m´as compleja de control y hace referencia a
la capacidad del usuario de poder manejar al menos una salida mec´anica de forma
cuantitativa, como por ejemplo la fuerza, la velocidad, posici´on o cualquier otra funci´on mediante la variaci´on de la se˜nal de entrada que se le da a la pr´otesis. [30] [35]
Luego de haber estudiado los diferentes procesos involucrados con la generaci´on
de movimiento y c´omo es posible captar se˜nales en diferentes momentos de los
mismos se procede a explicar en m´as detalle la electromiograf´ıa y la
mecanomiograf´ıa. Para el alcance de este trabajo y las limitaciones del mismo no es
posible realizar procedimientos que requieran la intervenci´on quir´urgica de personas. Es as´ı que se proceder´a al estudio y an´alisis de estos dos m´etodos de captaci´on de
2.5.
Electromiograf´ıa
Uno de los aspectos m´as complejos de la electromiograf´ıa es que cuando se logra rectificar y suavizar lo suficiente la amplitud de la onda generada, esta es
cualitativamente relativa a la cantidad de fuerza medida en la coyuntura
correspondiente pero la relaci´on cuantitativa es a menudo m´as imprecisa y dif´ıcil de
obtener. La raz´on de este dilema es que la se˜nal de electromiograf´ıa es el resultado de
factores fisiol´ogicos, anat´omicos y t´ecnicos. Los efectos de algunos de estos factores
pueden ser manejados por m´etodos adecuados de detecci´on, pero hay otros que no son
f´acilmente regulables con la tecnolog´ıa actual y su efecto potencial en la se˜nal puede
solo ser supuesto y considerado [36]. Para usar la se˜nal eficientemente es necesario
entender a fondo la fuente de estos factores y la influencia en la se˜nal. Esta es una tarea complicada dado que los conocimientos actuales no permiten considerar de una
manera cuantitativa la causa-efecto de todos los factores y fen´omenos que afectan en
la medici´on de la se˜nal de electromiograf´ıa. En estos tiempos se est´a restringido a
consideraciones generales, modelos y an´alisis simplistas.
Se pueden considerar tres grupos para clasificar los factores que afectan a las se˜nales, estos pueden ser: Causativos, intermediarios y determin´ısticos.
Factores Causativos
Los factores causativos son los que tienen un efecto b´asico o elemental en la se˜nal.
Estos se pueden dividir en dos grupos, extr´ınsecos e intr´ınsecos[36]. Los factores
extr´ınsecos son aquellos que est´an asociados con la estructura del electrodo y la
posici´on de este sobre la superficie de la piel sobre el m´usculo. Ellos incluyen:
1. La configuraci´on del electrodo que describe:
a) El ´area y forma de la superficie de detecci´on del electrodo la que determina el n´umero de unidades motoras activas que son detectadas en relaci´on con
el n´umero de fibras musculares en su vecindad.
2. La ubicaci´on del electrodo con respecto a los puntos motores en el m´usculo y
las uniones (miotendinosas) las cuales afectan la amplitud y frecuencia
caracter´ısticas de la se˜nal detectada.
3. La ubicaci´on del electrodo en la superficie del m´usculo con respecto al borde
lateral del m´usculo el cual determina la cantidad posible de cruce de informaci´on
que puede ser detectado por el electrodo.
4. La orientaci´on de la superficie de detecci´on con respecto a las fibras musculares
la cual afecta el valor de la velocidad de conducci´on medida del potencial de
acci´on y en consecuencia la amplitud y frecuencia contenida en la se˜nal.
Los factores intr´ınsecos son las caracter´ısticas fisiol´ogicas, anat´omicas y
bioqu´ımicas del m´usculo. A diferencia de los factores extr´ınsecos, estos no pueden ser
controlados debido a las limitaciones de los conocimientos actuales y de la tecnolog´ıa.
Estos incluyen:
1. El n´umero de unidades motoras activas en cualquier momento de la contracci´on la que contribuye a la amplitud de la se˜nal detectada.
2. El tipo de fibra que compone el m´usculo la cual determina el cambio en el pH del fluido intersticial del m´usculo durante la contracci´on.
3. El flujo de sangre en el m´usculo el cual determina la raz´on a la cual los metabolitos son removidos durante la contracci´on.
4. El di´ametro de la fibra el cual influencia la amplitud y la velocidad de conducci´on del potencial de acci´on que constituye la se˜nal.
5. La profundidad y ubicaci´on de las fibras activas en el m´usculo con respecto a la superficie de detecci´on del electrodo, esta relaci´on determina el filtrado espacial,
y en consecuencia la amplitud y la frecuencia caracter´ısticas de la se˜nal detectada.
6. La cantidad de tejido entre la superficie del m´usculo y los electrodos el cual afecta
el filtrado espacial de la se˜nal.
7. Otros factores que a´un no son identificados, como la longitud de la zona de
Factores Intermediarios
Los factores intermediarios representan fen´omenos f´ısicos y fisiol´ogicos los cuales
son influenciados por uno o m´as de los factores causativos, e influencian a los factores
determin´ısticos [36]. Estos incluyen:
1. Los aspectos de filtro pasa banda del electrodo los cuales son unas caracter´ısticas
inherentes de la configuraci´on de un electrodo diferencial.
2. El volumen de detecci´on del electrodo lo que determina el n´umero y peso del potencial de acci´on de unidades motoras que componen la se˜nal.
3. Superposici´on de los potenciales de acci´on en la se˜nal de EMG detectada lo que
influye en las caracter´ısticas de amplitud y frecuencia de la se˜nal.
4. Datos cruzados de los m´usculos cercanos lo que contamina la se˜nal y puede llevar
a una mala interpretaci´on de la informaci´on de la se˜nal.
5. La velocidad de conducci´on del potencial de acci´on que se propaga a lo largo de
la membrana de la fibra muscular; la velocidad de conducci´on afecta la amplitud
y la frecuencia caracter´ısticas de la se˜nal.
6. El efecto de filtro espacial debido a la posici´on relativa del electrodo y las fibras
musculares activas.
Los ´ultimos dos factores tienen una mayor importancia debido a que estos afectan
en gran medida las caracter´ısticas de la se˜nal. Mientras la distancia entre las fibras
activas y la superficie de detecci´on del electrodo varia, dos consideraciones aparecen.
Primero, las caracter´ısticas de filtro espacial del arreglo de detecci´on cambian, lo que
altera la amplitud y frecuencia caracter´ısticas del potencial de acci´on de la unidad
motora. En segundo lugar el movimiento relativo del electrodo y la fibra activa pueden
ser suficientemente grande como para colocar un nuevo conjunto de unidades motoras
activas en el volumen de detecci´on del electrodo y remover algunas unidades motoras
del volumen de detecci´on. Esta consideraci´on requiere que si la fibra muscular cambia
su largo durante la contracci´on, entonces la posici´on del electrodo debe cambiar similarmente. Por lo tanto la estabilidad de la se˜nal se mantiene en los casos en que los
pueden prescindir de este tipo de movimientos.
Factores Determin´ısticos
Los factores determin´ısticos son aquellos que tienen una relaci´on directa con la
informaci´on en la se˜nal de EMG y la fuerza registrada. [36]Estos incluyen:
1. El n´umero unidades motoras activas.
2. La fuerza de contracci´on de la unidad motora.
3. La interacci´on mec´anica entre las fibras musculares.
4. La raz´on de activaci´on de las unidades motoras.
5. El n´umero de unidades motoras detectadas.
6. La amplitud, duraci´on y forma de los potenciales de acci´on de la unidad motora.
7. La estabilidad de reclutamiento de las unidades motoras.
Cuando se estudia la interacci´on entre los muchos factores que influencian la
informaci´on contenida en la se˜nal de EMG, es razonable pensar si es posible utilizar la
se˜nal de EMG de alguna forma constructiva para describir el estado de un
m´usculo[36]. La respuesta es “s´ı” para algunas aplicaciones y “tal vez” para otras
aplicaciones. Por ejemplo, se puede obtener mediciones confiables cuando un
electrodo que no detecta una gran cantidad de datos cruzados desde los m´usculos
adyacentes, es ubicado en la superficie del m´usculo entre la zona de inervaci´on y la
uni´on miotendinosa con el prop´osito de:
1. Determinar, en un tema particular, cuando el m´usculo pasa de “on” a “off”.
2. Describir si el m´usculo est´a incrementando o disminuyendo la fuerza en un periodo de tiempo cuando el proceso de fatiga del m´usculo no afecta de forma
2.5.1.
Detecci´on y procesamiento de la se ˜nal de EMG
Dado que la se˜nal de electromiograf´ıa es peque˜na en amplitud en relaci´on a otras
se˜nales del ambiente presentes en la superficie de la piel, es necesario y conveniente
detectarla con una configuraci´on diferencial (figura 2.16). Esto se refiere a tener dos
superficies de detecci´on que generan dos se˜nales detectadas las que son restadas y
luego amplificadas. En esta configuraci´on, la forma y el ´area de la superficie de
detecci´on y la distancia entre las superficies de detecci´on son factores importantes
dado que ellos afectan la amplitud y la frecuencia contenida en la se˜nal. El arreglo
diferencial act´ua como un filtro peine pasa-banda para la se˜nal el´ectrica vista por la superficie de detecci´on. La distribuci´on de las frecuencias en el espectro, as´ı como
tambi´en el ancho de banda es afectado por la distancia entre las superficies de
detecci´on. Esto es a menudo un factor olvidado y no se le da la suficiente
consideraci´on. [36]
Figura 2.16: Arreglo de electrodos y detecci´on de se˜nal de electromiograf´ıa [32].
Adem´as, las formas, ´areas y las distancias entre las superficies de detecci´on
determinan el n´umero de fibras musculares vistas por el electrodo lo que afecta la
La distancia entre las superficies de detecci´on no debe ser tan grande como para
abarcar una gran porci´on del m´usculo a fin de poder detectar una se˜nal representativa
de toda su superficie dado que es sabido que las fibras musculares de una unidad
motora est´an dispersas al azar a trav´es de toda su secci´on transversal; es as´ı que
cualquier ubicaci´on en un m´usculo contiene fibras que representan las unidades
motoras la que generan la fuerza. Desde un punto de vista pr´actico, la distancia entre
las superficies de detecci´on no puede ser tan peque˜nas debido a la posibilidad de que
las superficies de detecci´on sean desviadas el´ectricamente si la superficie de la piel se vuelve h´umeda con el sudor el cual es conductor. El desv´ıo el´ectrico genera que la
amplitud de la se˜nal disminuya, deteriorando la raz´on de rehuido y puede filtrar
algunas frecuencias altas que componen la se˜nal.
Para el procesamiento de la se˜nal de electromiograf´ıa dos par´ametros son usados
normalmente: el valor RMS y el valor promedio rectificado. Ambas son apropiadas y
entregan mediciones ´utiles de la amplitud de la se˜nal. Para la se˜nal de EMG detectada
durante contracciones voluntarias, el valor RMS puede ser m´as apropiado debido a
que este valor representa el poder de la se˜nal y por lo tanto tiene un significado f´ısico
claramente identificable. Por otra parte, el valor promedio rectificado es la medida del
´area bajo la se˜nal y por tanto no tiene un significado f´ısico espec´ıfico.
Algunas recomendaciones:
1. Configuraci´on del electrodo diferencial:
a) La superficie de detecci´on consiste en dos barras paralelas: cada una de 1 cm de largo. 1-2 mm ancho y 1 cm de separaci´on.
b) Ancho de banda de 20-500 Hz con un roll-off de al menos 12 dB/octava.
c) Relaci´on de rechazo de modo com´un>80dB.
d) Ruido<2uV RMS (20-400Hz).
e) Impedancia de entrada>100 meg ohms.
2. Ubicar el electrodo en la l´ınea media del m´usculo, entre la uni´on miotendinosa y la zona de inervaci´on m´as cercana, con la superficie de detecci´on orientada
3. Usar el valor RMS de la se˜nal para medir la amplitud de la se˜nal EMG realizada
voluntariamente.
2.5.2.
Aplicaciones
La se˜nal de EMG puede ser usada para variadas aplicaciones como
cl´ınicas/biom´edicas, desarrollo de chip EHW (evolvable hardware), interacciones
entre humanos y m´aquinas entre otras [36].
La se˜nal de EMG se puede utilizar como herramienta de diagn´ostico para
diferentes enfermedades entre las cuales se tienen enfermedades neuromusculares,
evaluaci´on de dolor en la espalda baja, kinesiolog´ıa y trastorno de control motriz. La
se˜nal de EMG puede ser usada para el desarrollo de chip EHW para el control de
pr´otesis de mano. En el caso de las pr´otesis, el reconocimiento del agarre es una
aplicaci´on avanzada de control.
La EMG puede ser usada para detectar actividad muscular isom´etrica (tipo de
actividad muscular que no genera movimiento). Este aspecto hace posible definir una
clase de sutiles gestos sin movimiento para controlar interfaces sin ser notorio ni
perturbar el entorno. El dispositivo para este prop´osito incluye un amplificador de alta
impedancia conectado a electrodos, filtros anti-aliasing, un microcontrolador para
muestras y procesamiento de la se˜nal de EMG y un m´odulo de comunicaci´on
bluetooth para transmitir los resultados del proceso. Cuando se detecta la activaci´on,
el controlador env´ıa una se˜nal inal´ambrica a la unidad procesadora principal, como
por ejemplo un tel´efono m´ovil. Usando EMG, el usuario puede reaccionar a las se˜nales de forma sutil. El controlador de EMG no ocupa las manos del usuario y no
requiere de ellas para operar. Es por esto que es “hands free”.
Los juegos de computador interactivos ofrecen otra aplicaci´on interesante de las
interfaces basadas en bio-se˜nales. El sistema del juego tendr´ıa acceso al ritmo
cardiaco, la respuesta galv´anica de la piel y se˜nales de movimiento del ojo, as´ı el
juego puede responder al estado emocional del jugador o predecir su nivel de
conciencia situacional a trav´es del monitoreo del movimiento de los ojos. Un personaje del juego puede responder a un usuario que mira fijamente dependiendo de
un puntero de precisi´on, esto ´ultimo es dif´ıcil debido a que los ojos constantemente
exploran el entorno y no ofrecen una referencia estable para el puntero en pantalla.
Usualmente los juegos de pelea cuentan con dos tipos de ataques posibles. Uno es
el ataque d´ebil y el otro es el fuerte. Las entradas comunes para los juegos de acci´on
son el joypad y el joystick. Estos usan una barra para mover el personaje y un bot´on
para hacer cierto tipo de ataque, por ejemplo, un combo o una patada. Para hacer un
ataque fuerte el usuario tiene que introducir una secuencia compleja de botones lo que
hace que ese movimiento sea dif´ıcil de realizar, al igual que alcanzar un balance entre
los dos tipos de ataque.
Aunque estos dispositivos sean baratos y f´aciles de usar, tienen desventajas. Estas interfaces no son intuitivas para los movimientos de pelea humano y el usuario debe
memorizar tanto el significado de cada bot´on como la secuencia de entrada para un
ataque fuerte. Un dispositivo de interface humano-computador (figura 2.17) dise˜nado
para juegos de pelea, “Muscleman”, ha sido desarrollado por D.G. Park y H.C. Kim en
Corea. Los personajes del juego son usualmente representados haciendo contracciones
isom´etricas como expresi´on de poder de concentraci´on para hacer un ataque fuerte.
Para medir la fuerza de la contracci´on isom´etrica se usa EMG de superficie. M´as a´un,
para obtener informaci´on precisa sobre el movimiento del antebrazo del usuario, el
sistema de juego utiliza aceler´ometros. Al analizar la informaci´on de aceleraci´on obtenida por el aceler´ometro es posible saber en qu´e direcci´on se est´a moviendo el
antebrazo. As´ı es posible discriminar si el usuario est´a realizando un movimiento de
golpe directo o un gancho al ment´on. Se adopta la transmisi´on inal´ambrica para no
perturbar el movimiento del usuario.
En el “Arms Research Center” de la NASA, se est´a utilizando interfaces de
bio-control. Estas utilizan se˜nales de EMG/EEG en su programa de investigaci´on en
interfaces humanas para sistemas de vuelo. El grupo busca el desarrollo de interfaces
hombre-m´aquina a trav´es de la conexi´on directa de una persona a un computador
mediante el sistema nervioso. Basado en se˜nales de EMG y EEG, esta investigaci´on
aplica sistemas de reconocimiento de patrones para interpretar estas se˜nales como
comandos de control. Estos investigadores en la NASA han usado se˜nales EMG para sustituir joystick mec´anicos y teclados. Como ejemplo, ellos desarrollaron un m´etodo
Figura 2.17: Arreglo l´ogico para lectura de electromiograf´ıa utilizado en el juego Muscle Man.
usando un joystick basado en EMG. El joystick virtual fue realizado a trav´es de una
banda para el brazo con ocho electrodos conectado a sensores, de esta forma el piloto
al realizar gestos con su brazo realiza el aterrizaje del avi´on. La idea de estos
investigadores es controlar m´aquinas que normalmente se manejan con palancas y
botones, a trav´es de gestos realizados por los usuarios (figura 2.18).
Adem´as del control de aviones, esta tecnolog´ıa puede ser de mucha ayuda para los
astronautas que con sus trajes abultados se les dificulta utilizar m´aquinas o herramientas para trabajar afuera de los veh´ıculos espaciales, para reparar o construir,
por ejemplo. La fuerza ´area de Estados Unidos y otros grupos militares han
incrementado el uso de veh´ıculos no tripulados para misiones de vigilancia. Una
forma de controlar estos sistemas desde el campo es una “Cabina Portable”. Uno
podr´ıa usar un computador portable con un v´ınculo inal´ambrico y lentes de
visualizaci´on, entonces utilizar gestos basados en EMG para manipular los controles
necesarios para el vuelo. Adem´as de usar sensores sin contacto de EMG cocidos a los
uniforme pueden sentir los movimientos que el piloto realice. Para los astronautas en
el caso de un accidente de despresurizaci´on de la nave ser´ıa posible utilizar electrodos
Figura 2.18: Avi´on no tripulado que se busca controlar a trav´es de se˜nales de EMG.
El reconocimiento de dialogo sin voz, (“Mime speech recognition”) reconoce el
dialogo observando los m´usculos asociados al habla. No est´a basado en se˜nales de voz
sino que en EMG. Esto hace posible la comunicaci´on sin voz. Dado que las se˜nales de
voz no son utilizadas, esta tecnolog´ıa podr´ıa ser aplicada en ambientes ruidosos o en el caso de personas que tengan las cuerdas vocales da˜nadas.
2.6.
Mecanomiograf´ıa
La mecanomiograf´ıa es el registro de oscilaciones que son detectadas en la
superficie del cuerpo sobre los m´usculos. Es considerado que la mecanomiograf´ıa es
producida por cambios dimensionales laterales en las fibras musculares activas, lo que
genera ondas de presi´on y reflejan la actividad mec´anica de los m´usculos. Se ha
sugerido que la mecanomiograf´ıa es la contraparte mec´anica de la actividad el´ectrica
de las unidades motoras medidas por electromiograf´ıa. Con el progreso en los
sensores de MMG y en las t´ecnicas de detecci´on, estudios recientes han examinado la
amplitud y frecuencia de las se˜nales de MMG durante el m´aximo trabajo conc´entrico
y exc´entrico de movimientos isocin´eticos. Como tambi´en m´aximos y sub-m´aximos cicloergometr´ıa. Cl´ınicamente, la mecanomiograf´ıa ha sido usada como una
cerebral, distrofia miot´onica, trastornos cr´aneo-mandibular, dolor de espalda baja
cr´onico y severo y fatiga de diafragma [37].
La se˜nal de MMG puede entregar informaci´on sobre variados aspectos de la
actividad muscular, incluyendo la tasa de disparo de las unidades motoras reclutadas
durante la contracci´on isom´etrica voluntaria. En base a esto es posible pensar que a
trav´es del procesamiento y detecci´on de patrones en el registro de MMG es posible
caracterizar los movimientos de los m´usculos, y de esta forma poder utilizar MMG
para el control de pr´otesis. La se˜nal de MMG ofrece varias ventajas sobre la se˜nal de
EMG, la que ha sido usada por muchos a˜nos en pr´otesis de mano. En primer lugar, la
se˜nal de MMG se programa sobre el tejido blando y por lo tanto puede ser registrado lejos del m´usculo activado. Esto entrega una gran flexibilidad en el dise˜no de las
pr´otesis por lo que los cables, sensores y dispositivos electr´onicos pueden ser ubicados
lejos del lugar de activaci´on del m´usculo, facilitando as´ı el uso de pr´otesis con agarres
suaves. En segundo lugar la se˜nal de MMG es una se˜nal mec´anica, por lo que no se
requiere de una preparaci´on de la piel con antelaci´on, y no es afectada por le
impedancia de la piel debido al sudor. Adem´as con el uso de agarres suaves en las
pr´otesis, las personas amputadas debajo del codo pueden mantener la rotaci´on natural
del antebrazo, lo que es muy dif´ıcil de lograr con los agarres t´ıpicos supracond´ıleo.
Se han realizado diferentes acercamientos a la identificaci´on y registro de se˜nal de
MMG. Se llev´o a cabo un estudio utilizando solo un micr´ofono para registrar la se˜nal
de MMG desde los m´usculos de extensi´on y flexi´on de los dedos [38].En este estudio se mostr´o que el sistema pod´ıa discriminar entre flexiones y extensiones de mu˜neca
usando la amplitud de la se˜nal de MMG, tambi´en se mostr´o que existe robustez en la
se˜nal si es cambiada de posici´on. En otro estudio se dise˜n´o un
micr´ofono-aceler´ometro implantado en silicona para registrar la se˜nal de MMG y el
movimiento del miembro [39]. En este estudio se utiliz´o la se˜nal RMS de la se˜nal de
MMG y un clasificador linear de segunda categor´ıa para reconocer la acci´on de abrir y
cerrar para una pr´otesis de mano. Del test de validaci´on se obtuvo que la precisi´on de
la clasificaci´on es aproximadamente un 70 % para dos sujetos testeados. Con
posterioridad, se mejor´o el sistema mediante la eliminaci´on de interferencia en la
se˜nal adquirida y se optimizo el acoplamiento mec´anico, con esto se obtuvieron precisiones del 88 % y 71 % para los mismos dos sujetos. Comparando con la se˜nal de
